Bakit Maaaring Magpasya ang Excel sa Hinaharap ng AI sa Accounting

Ang bagong pananaliksik ay nagpapahiwatig na ang pinakamalaking hadlang sa artificial intelligence sa accounting ay maaaring hindi ang kawalan ng tiwala sa AI mismo. Maaaring ito ay ang kaginhawahan, kakayahang umangkop, at institusyonal na bigat ng Microsoft Excel. Ginagawa nitong ang talahanayan ay parehong hadlang sa pagbabago at potensyal na makapangyarihang daan para sa Microsoft.

Isang bagong pag-aaral ng 271 na propesyonal sa accounting ang nagsuri kung bakit ang ilang organisasyon ay nag-aampon ng artificial intelligence habang ang iba ay nananatiling nakatali sa pamilyar na mga kasangkapan sa pagsusuri.¹ Ang pangunahing natuklasan nito ay tila payak: ang paggamit ng Excel para sa data analytics ay may negatibong kaugnayan sa pag-aampon ng AI, samantalang ang AI training at mas malawak na pag-aampon ng mga kasangkapan sa data-analytics ay may positibong kaugnayan dito.

Hindi ibig sabihin nito na ang Excel ay lipas na o na ang mga accountant ay hindi makatwiran. Ang Excel ay nananatiling maginhawa, malawak na nauunawaan, at malalim na nakatanim sa pagbubudget, pagkakatugma, pagtataya, pag-uulat, at paghahanda sa audit. Ang mas mahalagang aral ay ang pag-aampon ng teknolohiya ay nakadepende sa workflow, gawi, nakikitang panganib, at pagsasanay gaya ng teknikal na kakayahan.

Para sa mga namumuhunan, binabago nito kung paano dapat tasahin ang oportunidad ng enterprise AI. Maaaring hindi ang mga kumpanyang nag-aalok ng pinaka-dramatikong kapalit para sa nakagawian na trabaho ang magiging panalo. Sa halip, maaaring ang mga kumpanyang kayang magpasok ng AI sa software na binubuksan na ng mga manggagawa tuwing umaga.

Bakit Maaaring Pigilan ng Excel ang Pag-aampon ng AI sa Accounting

Nilapitan ng mga mananaliksik ang pag-aampon ng AI sa pamamagitan ng dual-factor model. Sa halip na ituring ang pag-aampon bilang simpleng tanong kung nakikita ng mga gumagamit ang sapat na benepisyo, isinasaalang-alang nila ang parehong mga salik na nagtutulak at humahadlang. Maaaring kilalanin ng isang empleyado na kapaki-pakinabang ang AI ngunit tumutol pa rin dahil ang pagpapalit ng mga kasangkapan ay nagdudulot ng hindi tiyak, gastusin sa pagsasanay, trabaho sa integrasyon, at posibilidad ng mga pagkakamali.

Ang tensyon na ito ay lalong mahalaga sa accounting. Maaaring itama ang isang experimental marketing draft. Ang isang pagkakamali sa financial model, reconciliation, regulatory filing, o audit workpaper ay maaaring magdulot ng makabuluhang kahihinatnan. Dahil dito, may matibay na dahilan ang mga accountant na paboran ang mga sistema na kanilang nauunawaan ang mga formula, kontrol, at limitasyon.

Ang Excel ay nakikinabang din mula sa naipong kaalaman ng organisasyon. Ilang dekada nang gumugol ang mga kumpanya sa pagbuo ng mga template, macro, modelo, pamamaraan ng pag-uulat, at proseso ng pag-apruba sa paligid ng mga spreadsheet. Alam ng mga empleyado kung paano inspeksyunin ang mga formula at subaybayan ang mga kalkulasyon. Ang pagpapalit ng kapaligirang iyon ay nangangahulugang isusuko ang higit pa sa isang aplikasyon. Ibig sabihin nito ay pag-aabala sa isang operating system para sa gawaing pinansyal.

Ina-interpret ng pag-aaral ito sa pamamagitan ng status quo bias. Ang pamilyaridad ay nagdudulot ng kumpiyansa at pakiramdam ng kontrol, habang ang posibleng pagkalugi na kaakibat ng paglipat ay maaaring magmukhang mas agarang kaysa sa mga inaasahang kita. Tinutulungan nito ipaliwanag kung bakit ang simpleng pagpapakita na mas advanced ang isang AI platform ay maaaring hindi sapat upang pasiglahin ang pag-aampon.

Ano ang Natuklasan ng Pag-aaral sa AI sa Accounting

Ang huling sample ay binubuo ng 271 na propesyonal sa accounting na nakilahok sa mga inisyatiba ng AI, machine learning, o data-analytics. Tinatayang 92% ay nagtatrabaho sa accounting o mga kaugnay na organisasyon ng serbisyo-pagsangguni, at 62% ay nagtatrabaho sa mga organisasyon na may mas mababa sa 500 empleyado.

Tanging 33% ng mga sumagot ang nag-ulat na nakatanggap sila ng pagsasanay sa AI. Samantala, 36% lamang ng mga sumagot na gumagamit ng Excel para sa data analytics ang lumipat sa mas advanced na solusyon ng AI. Ang kaalaman lamang sa Excel ay hindi naging estadistikal na makabuluhang predictor kapag isinasaalang-alang ang buong modelo, ngunit ang aktwal na paggamit ng Excel-based na pagsusuri ay may makabuluhang negatibong kaugnayan sa pag-aampon ng AI.

Mahahalagang ang pagkakaiba. Ang pagkakakilala sa Excel ay hindi awtomatikong humahadlang sa isang tao na mag-ampon ng AI. Lumilitaw ang hadlang kapag ang mga itinatag na workflow ng spreadsheet ay nasusunod na ang agarang pangangailangan, kaya’t nagiging mahirap ipagtanggol ang gastos at hindi tiyak ng pagpapalit ng mga sistema.

Mas Mahalaga ang Pagsasanay sa AI Kaysa sa Karagdagang Lisensya ng Software

Kadalasang itinuturing ng mga organisasyon ang pag-aampon ng AI bilang isang desisyon sa pag-procure. Bumibili sila ng mga lisensya, nag-a-activate ng mga tampok, at inaasahan na susunod ang paggamit. Ipinapahiwatig ng pag-aaral na ang pamamaraang ito ay nagkakalito sa pagitan ng pagkakaroon ng software at kakayahan ng organisasyon.

Ang pagsasanay ay may positibong ugnayan sa pag-aampon ng AI, gayundin ang naunang pag-aampon ng mas malawak na mga tool sa data-analytics. Magkasama, ipinapahiwatig ng mga resulta na nakikinabang ang mga organisasyon sa pagbuo ng sunud-sunod na mga kakayahan. Ang mga accountant na nakalampas na sa simpleng pagsusuri ng spreadsheet ay mas handa na upang tasahin, pangasiwaan, at isama ang AI.

Dapat kaya’t magpokus ang isang praktikal na programa ng pag-aampon sa mga tiyak na workflow:

• Pagkakatugma at pagtuklas ng anomalya
• Pagsusuri ng variance at pag-uulat sa pamamahala
• Pagtataya at pagbuo ng senaryo
• Pagsusuri ng dokumento at paghahanda ng audit

Mas madaling patunayan ang mga limitadong aplikasyon na ito kaysa sa pangkalahatang kautusan na “gamitin ang AI.” Lumikha rin ito ng nasusukat na mga resulta, tulad ng mas kaunting manu-manong hakbang, mas mabilis na closing cycle, o mas maraming transaksyon na nasuri. Lalo itong nagiging mahalaga habang hinihingi sa mga departamento ng pananalapi na ipakita ang balik ng paggastos sa AI imbes na iulat lamang ang bilang ng lisensya o interes ng mga empleyado.

Ang natuklasan ay sumusuporta rin sa mas malawak na pagsusuri ng Securities.io na nagmumungkahi na maaaring maging pinaka-makabuluhang AI moat ang proprietary data at institutional knowledge. Sa accounting, ang modelo ay isa lamang na sangkap. Ang mas mahirap na kalamangan na maulit ay ang pagsasama ng mapagkakatiwalaang datos pinansyal, itinatag na kontrol, mga pamamaraang partikular sa kumpanya, at mga empleyadong nakakaunawa kung ano ang dapat hitsura ng isang wastong output.

Bakit Maaaring Maging Pinakamahusay na Channel ng Pamamahagi ng AI ang Pamilyar na Software

Inilarawan ng papel ang Excel bilang isang hadlang, ngunit hindi ibig sabihin nito na dapat mawala ang spreadsheet. Ang mas matibay na pangkomersyal na pananaw ay ang pagpapababa ng gastos sa paglipat ay maaaring maging mas epektibo kaysa paghingi sa mga gumagamit na iwanan ang mga pamilyar na kasangkapan.

Sinusundan na ito ng Microsoft. Ang Finance Agent kinokonekta ang Excel sa mga umiiral na sistemang pinansyal at dinisenyo upang suportahan ang mga gawain tulad ng pagkakatugma, pagsusuri ng variance, at real-time na pananaw sa pananalapi. Mahalaga ito sa estratehiya dahil dinadala nito ang AI sa interface na pinagkakatiwalaan na ng mga accountant.

Ang pag-embed ng AI sa loob ng umiiral na software ay maaaring harapin ang ilang balakid sa pag-aampon nang sabay-sabay. Nililimitahan nito ang pagkaantala ng workflow, pinapanatili ang mga pamilyar na spreadsheet, nagpapahintulot na suriin ang mga output sa isang itinatag na format, at binabawasan ang sikolohikal na gastos ng pagsubok ng bagong kakayahan. Hindi hinihingi sa gumagamit na palitan ang Excel ng AI. Sa halip, iniimbitahan ang gumagamit na palawakin ang Excel sa pamamagitan ng AI.

Hindi limitado ang pattern na ito sa accounting. Ang Enterprise AI ay lalong nakikipagkumpetensya sa distribusyon, integrasyon, pamamahala, at pag-access sa konteksto kaysa sa pagganap ng modelo lamang. Ang kamakailang ulat ng Securities.io tungkol sa UiPath at ang paglipat patungo sa agentic enterprise automation ay naglalarawan ng parehong komersyal na katotohanan: nagiging mas mahalaga ang automation kapag maaari itong gumana sa mga aplikasyon at proseso na ginagamit na ng kumpanya.

Ang Pag-aampon ay Hindi Awtomatikong Nagdudulot ng Pinansyal na Kita

Hindi dapat basahin ang pag-aaral bilang ebidensya na ang pag-deploy ng AI ay tiyak na magpapabuti ng kakayahang kumita. Sinukat nito ang pag-aampon, hindi ang pinansyal na balik na nalikha ng pag-aampon. Ang kanilang survey ay medyo maliit, nakatuon nang labis sa mga konsultasyong may kinalaman sa accounting, at isinagawa sa maikling panahon. Ang mga resulta ng regression ay tumutukoy sa mga ugnayan sa halip na patunayan na ang pagsasanay o mga tool sa analytics ang nagdulot ng pag-aampon ng AI sa mga organisasyon.

Mayroon ding mga panganib na hindi ganap na nasaklaw ng modelo, kabilang ang privacy ng data, cybersecurity, tiwala sa mga third-party na provider, pagiging maaasahan ng output, at pananagutan sa regulasyon. Lalo pang mahalaga ang mga isyung ito kapag inilalapat ang AI sa pag-uulat ng pananalapi.

Gayunpaman, ipinapahiwatig ng kasalukuyang ebidensya sa industriya na lumalawak ang pag-aampon. Ang 2026 Global AI in Finance Report ng KPMG, batay sa mahigit 1,000 na senior finance leaders, ay nagpapakita na ang aktibong paggamit ay lumago nang malaki, habang ang natatanging pagganap ay mas bihira kaysa sa mismong pag-aampon. Pinatitibay ng puwang na iyon ang pangunahing mensahe ng papel: mas madali ang pagkuha ng teknolohiya kaysa baguhin ang organisasyon sa paligid nito.

Pamumuhunan sa Interface para sa Accounting AI

Para sa mga mamumuhunan na naghahanap ng exposure sa pag-aampon ng AI sa accounting, nag-aalok ang Microsoft ng isang partikular na kaugnay na posisyon. Ang kumpanya ay nagmamay-ari ng Excel, ang kasalukuyang kasangkapang natukoy sa pag-aaral, habang nagde-develop din ng AI layer na layuning gawing moderno ang gawaing pinansyal.

Nagbibigay ito ng kakaibang estratehikong kalamangan. Ang matibay na pag-ugat ng Excel ay maaaring magpabagal ng paglipat patungo sa mga kakompetensyang AI platform, ngunit nagbibigay din ito sa Microsoft ng direktang access sa napakalawak na base ng mga propesyonal sa pananalapi. Sa halip na labanan ang bias sa kasalukuyang kalagayan sa pamamagitan ng pag-alis nito, maaaring pakinabangan ito ng Microsoft sa pamamagitan ng paglagay ng Copilot at mga finance-focused na ahente sa loob ng umiiral na kapaligiran ng Microsoft 365.

Ang kaso ng pamumuhunan ay lampas sa isang tampok ng accounting. Maaaring pagsamahin ng Microsoft ang productivity software, cloud infrastructure, identity controls, enterprise data connections, at mga AI agent sa loob ng iisang komersyal na ekosistema. Ang mas malawak na pagsusuri ng Microsoft bilang isang AI investment ng Securities.io ay sinusuri kung paano nagkakabit ang Copilot sa loob ng mas malaking platforma.

May mga makabuluhang panganib. Maaaring tutulan ng mga customer ang karagdagang gastos sa subscription, maaaring limitahan ng mga finance team ang pag-access sa AI dahil sa mga alalahanin sa katumpakan o privacy, at maaaring mag-alok ang mga kakompetensyang platform ng mas malakas na espesyal na kakayahan sa accounting. Dapat din patunayan ng Microsoft na ang nakapaloob na AI ay nagdudulot ng nasusukat na halaga kaysa sa basta pagdaragdag lamang ng isa pang bayad na tampok sa isang komplikadong software stack na.

Gayunpaman, itinuturo ng pag-aaral ang isang matibay na prinsipyo sa komersyo. Ang pag-aampon ng Enterprise AI ay hindi nakabatay lamang sa kung aling sistema ang pinakamatalino. Nakabatay din ito sa kung aling sistema ang humihiling ng pinakamaliit na pagbabago mula sa mga gumagamit. Sa accounting, maaaring ipagpaliban ng Excel ang paglipat sa AI, ngunit maaaring ito ang magiging pintuan kung saan magaganap ang paglipat na iyon.

Mga Sanggunian:

¹ Juma’h, A. H., & Li, Y. (2026). Pagbubukas ng potensyal ng AI sa accounting: Isang pag-aaral sa mga hadlang at tagapagpasulong ng pag-aampon. Advances in Accounting, 71, 100905. https://doi.org/10.1016/j.adiac.2026.100905